- 博客(670)
- 收藏
- 关注
RSS订阅原创 2024年-火爆全网的DragGAN 最新图片编辑项目超基础教学
第二部分是新的点跟踪方法，即最近邻检索，通过在相同的特征空间上进行点跟踪，提高了效率，并避免了累计误差损失。很多人都以为这个项目能直接选一张照片，就能像 PS 一样进行 P 图了，其实并不是，至少目前还不支持，上面你看到的这些图片都是经过训练而生成的模型，所以本质上，你是在操作一个模型，而非图片！安装过程，真是一把鼻涕一把泪，到处都是坑，先是在阿里 PAI 平台栽跟头，折腾好久才发现是基础环境问题，后来又在安装方法上翻了车，官方的安装指导也是各种报错。
2024-08-16 18:25:52
424
原创 AI绘制高清大图-Stable Diffusion带你轻松玩转给你商界级的震撼体验！
按理说，放大倍率越高，图片就会越清晰。用Ultimate SD Upscale放大生成的结果，眼镜里的头发也绘制出来了，一点都不像之前的磨砂效果。嗯，由于高清修复渲染时间比较长，我们一般建议先用低分辨率抽卡刷图，等抽到自己喜欢的图，再用随机种子固定图片进行高清修复。看看高清修复出来的画，其实原理很简单，就是命令AI按照原来的内容重新画一遍，所以新生成的绘图和原来的在细节上可能有点差别。这张图是在1600x840的分辨率下绘制的，因此出图时间较长且画面中出现了两个人物，初始的分辨率不易过高。
2024-08-15 16:07:41
868
原创 今年最火的comfy UI 插件节点超详细安装使用教程-有手就行的保姆级教程-网盘分享
探索ComfyUI中不可或缺的IPAdapter插件，本指南将引导您从基础使用到高级技巧，使您能够充分利用这一强大工具，提升开发效率和应用性能。IPAdapter是一个轻量级的适配器，其功能是实现图像风格迁移，即将一张或多张图像的风格转移到另一张图像上。简而言之，它的作用类似于单图像的lora技术。IPAdapter通过接受一张图像输入，将其编码为Token，并与标准提示词混合，共同作用于图像生成过程。
2024-08-15 16:02:54
1662
原创 （完整版）从零开始教你玩转ComfyUI-保姆级部署教程-手把手带你ComfyUI工作流搭建
ComfyUI就像拥有一支神奇魔杖，可以轻松创造出令人惊叹的AI生成艺术。从本质上讲，ComfyUI是构建在Stable Diffusion之上的基于节点的图形用户界面(GUI)，而Stable Diffusion是一种最先进的深度学习模型，可以根据文本描述生成图像。但ComfyUI真正特别之处在于，它如何让像你这样的艺术家释放创造力，将你最疯狂的想法变为现实。想象一下有一块数字画布，你可以通过连接不同的节点来构建自己独特的图像生成工作流，每个节点代表一个特定的功能或操作。
2024-08-15 11:03:46
5668
原创 从零开始教你玩转ComfyUI-保姆级部署教程-手把手带你ComfyUI工作流搭建
ComfyUI就像拥有一支神奇魔杖，可以轻松创造出令人惊叹的AI生成艺术。从本质上讲，ComfyUI是构建在Stable Diffusion之上的基于节点的图形用户界面(GUI)，而Stable Diffusion是一种最先进的深度学习模型，可以根据文本描述生成图像。但ComfyUI真正特别之处在于，它如何让像你这样的艺术家释放创造力，将你最疯狂的想法变为现实。想象一下有一块数字画布，你可以通过连接不同的节点来构建自己独特的图像生成工作流，每个节点代表一个特定的功能或操作。
2024-08-15 10:49:55
3752
原创 comfyui-SD线稿一键转真人，极简式工作流分享-菜鸟级教程有手就行
这一过程涉及到对图像细节的重构，确保最终生成的图像清晰且富有细节。ControlNetApply 通过调节生成参数，增强了对图像生成过程的控制性和准确性，使得最终生成的图像更符合预期。DF_Image_scale_to_side 或许可以在图像生成过程中自动调整图像比例，确保最终图像的视觉效果。**4.图像放大：**利用ImageUpscaleWithModel节点将生成的图像放大，提高分辨率。CLIPSetLastLayer 优化了文本与图像的匹配度，确保生成的图像更符合文本描述。
2024-08-12 16:59:51
992
原创 最新SD插件使用AnimateDiff让你生成的小姐姐动起来-最简单安装步骤链接详细-菜鸟都能用的安装教程
今天我来分享一下通过图生图的方式制作GIF动画。我们先看一下图生图制作GIF动画的效果。原图片生成的GIF动画原图片生成的GIF动画原图片生成的GIF动画在此之前，我们需要先安装好。
2024-08-12 16:52:18
459
原创 手把手做自己的视频BGM-【AI作曲】使用Suno作出你的个人单曲！保姆级教程
suno的歌词段落前加Verse、Chorus、Intro、0utro等来告诉AI这段歌词应该怎么唱，这些标记叫做元标签，元标签是一种特殊的标记，它们自身不会被直接唱出，主要用来指导歌词和音乐的间断，帮助 Chirp 从一个部分过渡到另一个部分。指的是在歌曲中的仅有器乐演奏的部分，通常没有歌词。这种形式指的是整首歌没有重复部分，每一部分都是新的，音乐和歌词都在不断变化，没有固定的模式或重复节。Blues：源自美国南方的音乐风格，以伤感的情绪和蓝调音阶为特征，适合表达个人的心情和情感。我借助的是大语言模型。
2024-08-12 16:43:48
547
原创 有手就行的大语言模型部署-保姆级教程-大模型推理服务框架Xinference一键部署
上一篇大语言模型推理服务框架—Ollama介绍了Ollama，Ollama以出色的设计一行命令完成推理框架部署，一行命令完成大模型部署，模型的下载不依赖梯子，速度非常快，大幅提升模型部署效率，同时，当有多卡GPU时，Ollama可以自动将模型分片到各个GPU上，博主使用V100显卡（单卡32G显存）部署llama3 70B（预计需要40G显存），自动完成了显存分配。记得带http://否则会报错。启动模型，包含语言模型、图片模型、语音模型、自定义模型，提供了模型搜索框，基本主流模型都已经收录。
2024-08-12 16:34:26
1052
原创 会打字就会部署的超简单模型菜鸟级教程-大模型推理服务框架LocalAI一键部署
镜像选择localai/localai:latest-aio-gpu-nvidia-cuda-12，aio（all-in-one）镜像内集成了文生文、文生图、图生文、语音转文本、文本转语音等模型，目标是方便使用多种模型，但其实每次使用都要现从huggingface.co上拉取，境内服务器苦不堪言。
2024-08-12 16:30:57
551
原创 奶奶都能学会的保姆级教程-【机器学习】基于YOLOv10实现你的第一个视觉AI大模型
2.1什么是YOLOYOLO（You Only Look Once）是基于深度神经网络的目标检测算法，用在图像或视频中实时识别和定位多个对象。YOLO的主要特点是速度快且准确度较高，能够在实时场景下实现快速目标检测，被广泛应用于计算机视觉领域，包括实时视频分析、自动驾驶、智能医疗等。在YOLO出现前，主流算法为R-CNN，可以称之为“二阶段算法”：先锚框，再预测框内的物体。YOLO出现后，可以“一阶段”直接端到端的输出物料和位置。一阶段算法：模型直接做回归任务，输出目标的概率值和位置坐标。
2024-08-12 16:26:50
1027
原创 有手就行-菜鸟教程-虚拟试衣 | 电商的得力助手
技术支撑：应用采用OOTDiffusion技术，这是一种基于潜在扩散模型的前沿技术，能够实现服装图像的高质量生成与融合，确保试穿效果的自然真实感。试穿模式：提供半身与全身两种虚拟试穿模式。半身模型专为上半身服饰设计，如T恤、衬衫等；全身模型则覆盖全方位服装试穿，包括上身、下身及连衣裙等。
2024-08-12 16:15:26
889
原创 【AI视频】二次元小姐姐跳舞视频生成器
输入 一段 跳舞视频，并在Prompt中输入 二次元小姐姐的生成指令，生成AI小姐姐跳舞视频该项目基于 Text2Video-Zero 中姿态引导的文本-视频生成模块实现了二次元小姐姐跳舞视频生成,并提供了notebook命令行和 gradio 页面两种运行方式。由于部署环境限制，在线体验存在时长限制，感兴趣的小伙伴可以把项目 fork 到本地运行。项目后期可能还会更新，可以点击 ❤ ，以便实时关注项目动态专业人工智能技术社区。
2024-08-12 16:03:29
831
原创 Stable Diffusion绘画 | ControlNet应用-OpenPose：姿势随心所动
反向提示词：NSFW,(EasyNegativeV2:1.2),worst quality,monochrome,正向提示词：(best quality, masterpiece:1.2),1girl,如果生成的图片，觉得存在脸崩的问题，可以开启 ADetail 来修复。
2024-08-12 15:53:05
301
原创 AI绘画入门实践 | Midjourney：使用 Zoom 与 Pan 无限拓展画面
在 Midjourney 中，操作 zoom out 可以向外扩展画面内容，同时保持原始画面内容不变。点击【Zoom Out 2x】、【Zoom Out 2x】，分别对图像进行扩展 2倍、1.5倍。操作【Make Square】则会将原来横版的图像，转变为正方形图形，对应补充其他的画面细节。操作【Custom Zoom】，可以在扩大的同时，添加新的提示词，影响扩展内容。操作第3排的上下左右箭头，分别以画面的一条边为基准，向上下左右单方向扩展画面。你也来动手试一下吧~
2024-08-12 15:40:00
147
原创 AI视频一键制作，自媒体人必看Stable Diffusion：制作视频（Temporal Kit + EbSynth）
基本原理是从原视频抽取关键帧，通过图生图得到新的关键帧图像，以此为风格基准，通过EbSynth完成其他帧图像的统一风格化处理，最后合成视频。提示：检查每张结果，如有错误或较大差异，可以用对应的原关键帧图像去重新图生图，获得满意结果后将其替换（注意命名）。打开 TemporalKit 页面的 Pre-processing（预处理）选项卡，上传原视频。注意：这里设置的路径是子文件夹，子文件夹的数量决定批量图生图的次数，此次要重复2次。得到满意的图像后，获取种子，之后的批量图生图将固定使用它，确保风格一致性。
2024-08-12 15:38:26
948
原创 AI绘画：StableDiffusion固定角色大法，无限生成统一风格的图片
下图中，左边是SD将参考图打乱后的图片，右边是保留了原图元素之后生成的图片，它将原图中所有的颜色、线条的风格等元素全部沿用到了新生成的图片中（右图），对于做一些主体海报的延伸物料的时候比较有用。正面提示词为：女孩，全身，波浪姜黄色头发，淡褐色眼睛，中式风格，蕾丝镶边，蓝色背景，POP MART盲盒，IP形象，高级自然配色，明亮和谐，C4D风格，3D动画风格的人物设计。Reference（参考）的设置基本保持默认，勾选”完美像素“，建议把权重值调到1（下图红框内），这样生成的图片能更接近参考图。
2024-08-12 15:35:32
364
原创 Stable Diffusion【应用篇】【手部修复】：SD手部问题修复大揭秘
（1）这种方式修复的手部操作容易，可控性很强，而且目前的DWPose控制器好像可以自动识别出有问题的手部，将生成的预览图手部展示正常，无需我们再次编辑处理。由于生成的图片具有随机性，可能生成的图片不会立马满足我们的要求，建议多次生成，直到抽取到我们满意的一张图片为止。关于dw_openpose_full识别手部的预览图，可见监测出人的脸，手部，姿势等都非常全面。关于dw_openpose_full的介绍，可以参照之前的文章，里面有非常详细的讲解。（2）修复的手部是否好看，这个和模型的渲染能力有关系。
2024-08-12 15:31:46
560
原创 [新手小帅详细步骤实用教程 云原生安全平台 NeuVector 部署]
NeuVector 致力于保障企业级容器平台安全，可以提供实时深入的容器网络可视化、东西向容器网络监控、主动隔离和保护、容器主机安全以及容器内部安全，容器管理平台无缝集成并且实现应用级容器安全的自动化，适用于各种云环境、跨云或者本地部署等容器生产环境。配置此环境变量后，默认情况下 NeuVector-Controller 会将数据存储在 /var/neuvector 目录内，默认此目录是 hostpath 映射在 POD 所在宿主机的 /var/neuvector 目录内。
2024-08-09 18:31:24
552
原创 保姆级教程！基于声网 Web SDK 实现音视频通话及屏幕共享-搭建自己的语音视频工具
声网提供了各端丰富的音视频 SDK，本文将要使用的是 Web 端 SDK。本篇文章主要给小伙伴们分享如何使用声网 SDK 实现 Web 端音视频通话及屏幕共享功能，其中也会涵盖在实践过程中遇到的一些问题，以此记录防止小伙伴们踩坑，同时也希望通过从 0 到 1 实战的分享，能够帮助更多的小伙伴。
2024-08-09 18:30:15
377
原创 手把手三步带你无代码一键式部署RWKV state：享傻瓜式文学大师人生
state 是 RWKV 这类 RNN 大模型特有的状态。微调 RWKV 的初始 state，就相当于最彻底的 prompt tuning。通过挂载不同的 state 文件，又可以使 RWKV 模型遵循特定的风格进行回答。
2024-08-08 19:04:47
1034
原创 按步教你玩转CPT-SoVITS-克隆复制好友的声音-保姆级教程
那么就会从100个token中先挑出5个概率最大的token，这五个token的概率分别是（0.3，0.3，0.2，0.2，0.1），那么再挑出累加概率不超过0.6的token（0.3和0.3），再从这两个token中随机挑出一个token输出，其中前一个token被挑选到的几率更大。dpo大幅提升了模型的效果，几乎不会吞字和复读，能够推理的字数也翻了几倍，但同时训练时显存占用多了2倍多，训练速度慢了4倍，12g以下显卡无法训练。专用GPU内存就是显存，其他的内存都是共享的，并不是真正的显存。
2024-08-08 19:01:54
1430
原创 三步教你部署一个简单的私人领域搜索引擎-动手实现一个最简单的RAG应用
什么是RAG大模型也不是万能的，也有局限性。LLM 的知识不是实时的LLM 可能不知道你私有的领域/业务知识RAG（Retrieval Augmented Generation）顾名思义：通过检索的方法来增强生成模型的能力。你可以把这个过程想象成开卷考试。让 LLM 先翻书，再回答问题。RAG基本流程看图就很容易理解RAG的流程了：（1）私有知识通过切分、向量化保存到向量数据库中，供后续使用（2）用户提问时，将用户提问用同样的方式向量化，然后去向量数据库中检索。
2024-08-08 18:58:41
808
原创 手把手带你畅游AI模型的世界-RWKV 模型启动工具-RWKV Runner 新手教程（上）
RWKV 是一种创新的深度学习网络架构，它将 Transformer 与 RNN 各自的优点相结合，同时实现高度并行化训练与高效推理，时间复杂度为线性复杂度，在长序列推理场景下具有优于 Transformer 的性能潜力。RWKV Runner 是 RWKV 模型的管理和启动工具，由 RWKV 开源社区成员 josStorer 开发，它本身也是一个开源软件，且体积仅 10MB 左右（不含依赖项）。每个模型配置名称的规则，依次代表着：设备 - 所需显存 / 内存 - 模型规模 - 模型语言。
2024-08-08 18:55:12
669
原创 手把手带你畅游AI模型的世界-RWKV 模型启动工具-RWKV Runner 新手教程（下）
在 RWKV Runner 教程的上篇（新手教程），我们讲述了如何使用 RWKV Runner 本地部署并运行 RWKV 模型：[RWKV 模型启动工具 RWKV Runner 新手教程（上）](手把手带你畅游AI模型的世界-RWKV 模型启动工具-RWKV Runner 新手教程（上） - Ai工具 - CloseAi论坛 - 专业人工智能技术社区)而在今天发布的教程下篇，我们将主要介绍 RWKV Runner 的进阶用法，包括模型的自定义模型配置、服务器部署、API 相关、LoRA 微调，以及如何连接实
2024-08-08 18:29:59
693
原创 一分钟教你使用GPT-SoVITS-克隆你的声音-效果十分逼真-全干货教程
最后我们在下方填入list的文件路径，点击下方开启语音文本校对标注工具，开始打标此操作也会启动一个新的界面3.音频打标进入如下界面后即可进行打标，左侧为自动生成的文字，中间为原音频，我们需要根据音频实际去修改左侧文字，看看是否有错误，错误一般为文字错误，标点错误，断句错误等，修改好后点击第二个Submit Test提交即可本页检查完，如果有第二页，则点击右上角Next跳转下一页进行打标，需要删除音频则勾选yes，然后点击顶部的Delete Audio进行删除。随后找到最底下的一键三连！
2024-08-07 18:34:49
1334
原创 一键式搭建自己的私人AI智能医生-使用Mistral-7B将大语言模型微调为医学助理的保姆级安装指南
你好呀！您是否想过在您自己的自定义数据集上微调大型语言模型 (LLM) 会是什么感觉？有一些资源可以帮助您实现这一点，但坦率地说，即使阅读了那些大量使用 ML 的文章和笔记本，您也无法直接在家用电脑或笔记本电脑上训练 LLM，除非它有一些不错的 GPU！我最近获得了。
2024-08-06 09:54:54
898
原创 一张照片生成你的专属3D图像-Unique 3D保姆级教程
Unique3D从单视图图像高效生成高质量3D网格，具有SOTA水平的保真度和强大的通用性。如下图所示 Unique3D 在 30 秒内从单视图野生图像生成高保真且多样化的纹理网格。例如属于一张鸡哥的打球写真照等待一分钟左右的时间：用鼠标拖动生成的结果，可以看到结果，很显然这个模型很可能是小黑子，前面是背带裤转到后面居然不是背带没了从官网的结果来看，这个背后的结果有点随机，是个很有特色的背带！！！甚至还在图片上打上 IKUN 的 titile。
2024-08-02 18:04:52
1598
1
原创 信用卡欺诈检测的机器学习
从食品配送应用到在线服装店，互联网让我们可以随时随地轻松购买任何想要的东西，而且使用信用卡购物非常方便。信用卡有很多用处，它让我们免去了每次去任何地方都要随身携带大量现金的不便，还让我们可以提前购买，然后分期付款。根据 Statista 的数据，2014 年至 2020 年，全球交易数量从每年 1950 亿笔增加到 4680 亿笔。
2024-08-01 18:05:25
773
原创 为 Mistral 7b 模型构建检索增强生成 (RAG) 系统
*检索增强生成 (RAG)**是一个 AI 框架，有两个主要目标：通过将模型连接到外部知识源来提高生成的响应的质量，并确保用户可以访问模型的源，以便您可以检查其答案的准确性。通过 RAG，我们还可以确保大型语言模型能够访问**专有数据，**方法是将其连接到可从中检索信息的自定义数据源。下面，我们定义一个检索器。**然后将问题以及相关文档发送给 LLM，LLM 将能够根据收到的文档中的来源生成基于来源的答案。**：**该框架利用预先训练的转换器模型，提供一种简单的方法来计算句子、段落和图像的密集向量表示。
2024-08-01 18:04:14
602
原创 RAG 自动化的架构蓝图：使用 Vertex AI Search 进行高级文档理解
这篇文章深入探讨了如何使用简化高级文档问答检索增强生成 (RAG) 管道的创建和评估。我们将使用财务文档（例如来自主要科技公司的季度报告）通过一个实际示例来说明此过程。您将学习如何无缝提取、索引、查询和彻底评估您的 RAG 管道。至关重要的是，我们将探索 Vertex AI 的可定制 API 工作流程，让您可以定制 RAG 系统以获得最佳性能。我们还将演示如何利用 Gemini Pro 来增强搜索结果并生成更高质量的答案。
2024-08-01 17:59:19
818
原创 探索跨语言的 RAG 应用：与 Mishnah 对话
我很高兴在这篇文章中分享我构建一个独特的检索增强生成 (RAG) 应用程序以与拉比文本交互的历程。MishnahBot 旨在为学者和日常用户提供一种直观的方式来交互式查询和探索 Mishnah¹。它可以帮助解决诸如快速找到相关源文本或总结有关宗教法的复杂辩论、提取底线等问题。几年前我就有这个想法，但我觉得技术还不够成熟。现在，随着大型语言模型和 RAG 功能的进步，这已经相当简单了。这就是我们的最终产品的样子，你可以在这里MishnahBot网站。图片由作者提供。
2024-08-01 17:57:30
620
原创 Shazam for Melodies：使用矢量搜索和 DTW 构建 MeloDetective智能识别音乐库
机器人在图书馆中搜索旋律的图片。来源：DALL-E-3。在各种音乐类型中，借用旋律并将其应用于不同的歌词是很常见的（例如“一闪一闪小星星”、“咩咩黑羊”和“字母歌 (ABC)”）。然而，将这些旋律追溯到它们的原始作品可能很困难。这就是 MeloDetective 的作用所在，它旨在从自定义数据库中识别旋律。
2024-08-01 17:55:44
876
原创 使用 Apple 的 MLX 框架在 Apple Silicon 上部署运行大型语言模型 (Llama 3)
MLX 受到 PyTorch、Jax 和 ArrayFire 的启发，是 Apple Machine Learning Research 专为 Apple 芯片设计的模型训练和服务框架。它支持一系列机器学习任务，包括大规模文本生成、图像生成和语音识别。该框架与 Hugging Face 集成，可实现模型的无缝加载和服务。Apple 在你的笔记本电脑或数据中心进行机器学习研究。
2024-08-01 17:54:11
740
原创 使用 Spring Boot 和 Postgres 构建反应式 RESTful Web智能AI代理服务
简单来说，反应式编程是指异步、事件驱动的非阻塞应用程序，并且需要少量线程来处理请求。它围绕发布者-订阅者模式构建。在反应式编程中，我们发起对资源的请求，然后继续执行其他任务。当数据可用时，我们会收到通知以及数据以通知调用者。在回调函数中，我们可以根据应用程序要求处理响应。反应式代码用更少的资源完成更多工作。通过反应式处理，我们可以用更少的微服务实例满足更多并发用户的需求。现在我们知道了什么是反应式编程以及它如何改进传统的 REST API 设计，我们可以继续将反应式编程与 Spring 一起使用。
2024-08-01 17:48:39
684
原创 使用 Celery RedBeat 进行周期性任务的智能动态调度
我们使用实例来定义周期性任务。# 15，crontab（分钟= “0”），app=app，每个实例都存储到 Redis。请注意，我是在信号触发的函数中执行此操作的。接下来，我们要验证时间表是否确实存储到了 Redis 中。为此，我在包中创建了一个函数。
2024-08-01 17:42:55
1055
原创 将自然语言文本转换为 SQL：利用 RAG 和 LLM 进行精确查询
检索增强生成 (RAG) 是一种变革性的 AI 框架，旨在通过整合外部知识源来提高大型语言模型 (LLM) 的功效。通过将 LLM 的响应植根于这些外部信息存储库，RAG 旨在丰富模型的理解并增强其生成准确且与上下文相关的内容的能力。在基于 LLM 的问答系统中实施 RAG 有两个关键优势：首先，它确保访问最新和最值得信赖的事实，从而增强模型响应的可靠性。其次，通过提供有关模型来源的透明度，RAG 使用户能够验证其声明的准确性，从而对 AI 生成的输出产生信任感和信心。
2024-08-01 17:38:53
325
原创 文本到 SQL 的架构模式：利用 LLM 增强 BigQuery 交互
文本转 SQL 是自然语言处理 (NLP) 中的一项任务，旨在从自然语言文本自动生成结构化查询语言 (SQL) 查询。此任务涉及将文本输入转换为结构化表示，并使用它来生成可在数据库上执行的语义正确的 SQL 查询。这项任务带来了许多挑战。从本质上讲，困难源于人类语言（流动、模糊且依赖于上下文）与 SQL（精确且结构化的语言）之间的固有差异。从历史上看，这个问题被视为查询重构任务，采用序列到序列模型并采用深度神经架构。
2024-08-01 17:37:37
631
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人